机器学习笔记 (二) 多变量线性回归 Linear Regression with Multiple Variables

发表于 2016-10-04 分类于机器学习，线性回归，笔记阅读次数： Disqus：本文字数： 1.4k 阅读时长 ≈ 5 分钟

文章内容均来自斯坦福大学的Andrew Ng教授讲解的Machine Learning课程，本文是针对该课程的个人学习笔记，如有疏漏，请以原课程所讲述内容为准。感谢博主Rachel Zhang的个人笔记，为我做个人学习笔记提供了很好的参考和榜样。

多特征值(多变量) Multiple Features(Variables)

首先，举例说明了多特征值(多变量)的情况。在下图的例子中，$x_1,x_2,x_3,x_4$都是输入的变量，因为变量个数大于一，所以也称为多变量的情况。

于是引出多变量线性回归的一般假设形式：

多变量线性回归中的梯度下降法(gradient descent for multiple variables)

在以上的假设形式中，我们把$\theta$看成是一个$n+1$维的向量，把$J$看成是一个带有$n+1$维向量的函数。

下面的习题检测了对概念的理解：

注意$\sum$的位置
注意开始累加的位置

将单变量与多变量线性回归中的梯度下降法作出比较：

特征缩放 Feature scaling

如果不同变量之间的取值范围差别较大，使用梯度下降法时可能会花费较长时间、反复来回震荡。面对这种由于不同变量之间取值范围差别较大的所导致的问题，我们引入特征缩放(feature scaling)的方法来解决。

特征缩放(feature scaling) 使得数据特征调整到一定的范围内，比如[-1,1]之间。当然，这只是要求数据特征调整到一个大概的范围，具体实现的时候只要差不多即可，不一定要完全符合[-1,1]的范围。例如以下几种，就分别是正确或错误的特征缩放范围：

均值归一化(Mean normalization)处理：用$\frac{x_i-\mu_{i}}{\sigma}$取代$x_i$，或是简便地用$\frac{x_i-\mu_{i}}{max-min}$取代$x_i$。

下题考察了上述知识点的应用：

梯度下降法的应用 - 学习速率 Gradient Descent in practice - Learning Rate

下图左边是以迭代次数为横轴，迭代指定次数以后得出的$\theta$对应$J(\theta)$的值为纵轴绘制的函数图像。如果梯度下降算法正常工作，那么每一步迭代之后，$J(\theta)$的值都应该减小。对于不同的问题，梯度下降算法所需的迭代次数可能会相差很大。

我们可以依靠自动收敛测试来判断是否正确收敛，但通常我们很难确定其临界值，因此实际中更多是使用$J(\theta)$关于迭代次数的函数图像来判断的。

当$J(\theta)$关于迭代次数的函数图像呈现如下图所示的递增或是“先下降后上升，再下降再上升……”时，我们可以使用一个更小的$\alpha$使得梯度下降算法正确工作。对于一个正确的$\alpha$而言，$J(\theta)$在每次迭代后都会下降；但如果$\alpha$太小，那么梯度下降算法将会收敛得很慢。